标签：over fit art border 约束 param pen 理想 效果
，但是对于新的数据，却不能很好的拟合，也就是不适应于泛化，这样我们就称模型过拟合(over fitting)，如下图第三个图所示。此外，还有欠拟合(under fitting)，也就是连训练数据也不能够很好地做到拟合，如下图第一个图所示。那么下面中间这个图，我们理想地称之为恰好拟合。
的大小和数量级，来实现这一目标。的大小和数量级，那么理所当然的，我们需要对我们的代价函数做一些手脚，在其中给他们加些约束，不让他们过于放纵，导致过拟合。
，那么我们说正是因为这些恼人的高阶项，导致了过拟合的情况，所以，我们能做的就是使高阶项的系数能变得足够的小，以至于可以将其忽略掉。
可以足够的小，那么我们就加大力度对其惩罚，不让他们那样放纵，所以我们将代价函数附加上两项：
Regularization - Handle with the Overfitting Problem
标签：over fit art border 约束 param pen 理想 效果
原文地址：http://www.cnblogs.com/zhkmxx930/p/5bdf019cc90d5a2236e31bb7124d05cf.html
